动态规划,我之前也是不了解的,嘻嘻嘻
只是后面发现在相关搜索题目中,如果只需要求解的树木或者相关数值问题时候,往往使用动态规划会比深度遍历搜索高效很多。jio得还可以好吧
因为考虑到大家对于动态规划不是很熟悉,我们先来一个简单的小练习来上手下动态规划。
对于爬楼梯的问题,相信大家都比较熟悉吧,一次可以走一步,也可以走两步,请问走到第100步,有多少种走法?
- 首先,这个问题,很容易想到 f(100) = (f99) + f(98) 吧,ok,然后如果有回溯的基础的话,去用递归求解应该是一种很容易的求解方法好吧,
public int f(int level){
if(level==1)
return 1;
if(level==2)
return 2;
else:
return f(level-1)+f(level-2);
}
- 但是呢,动态规划是一种更加高效的方法好吧,代码是这样的:
public int f(int length){
int[] result = new int[length+1];
result[1] = 1;
result[2] = 2;
for(int i=3;i<length+1;i++){
result[i] = result[i-1]+result[i-2];
}
return result[length];
}
简单的来对比以下,这两个有啥区别呢?其实递归的解法的话,求return f(level-1)+f(level-2);的过程中,可以认为f(level-2)和f(level-1)的计算过程有着很多一样的计算过程,就是说同样的计算步骤计算重复了两遍,造成的一个问题是,使得浪费了时间复杂度,emmmmm,所以我们通过使用动态规划的办法,可以减少这种不必要的运算~
ps: 有些书中提到,其实在递归求解中加入一个int[]的全局变量,在遍历之前先判断之前有没有运算过,也可以到达这种效果,称之为备忘录式的递归,但是个人觉得,没有必要吧,直接使用动态规划就可以了嘛~
好,是不是觉得有点味道,好,我们来撕撕几道题目。
-
1、跳跃游戏 https://leetcode-cn.com/problems/jump-game/
给定一个非负整数数组,你最初位于数组的第一个位置。
数组中的每个元素代表你在该位置可以跳跃的最大长度。
判断你是否能够到达最后一个位置。
示例 1:
输入: [2,3,1,1,4]
输出: true
解释: 从位置 0 到 1 跳 1 步, 然后跳 3 步到达最后一个位置。
示例 2:
输入: [3,2,1,0,4]
输出: false
解释: 无论怎样,你总会到达索引为 3 的位置。但该位置的最大跳跃长度是 0 , 所以你永远不可能到达最后一个位置。
这个题目,我们可以用一个数组int[] dp来记录每一步当前能够到的最远的距离,最后再判断int[nums.length-1]是不是>=nums.length-1即可~代码:
public boolean canJump(int[] nums) {
int[] dp = new int[nums.length];
dp[0] = nums[0];
for (int i = 1; i <nums.length; i++) {
if (dp[i-1]<i)
return false;
else
dp[i] = Math.max(dp[i-1],nums[i]+i);
}
return dp[nums.length-1]>=nums.length-1;
}
但是分析上面的代码,不难发现,其实我们是可以优化,因为最后其实只是用到了最后一个
public boolean canJump(int[] nums) {
int max_length = nums[0];
for (int i = 1; i <nums.length; i++) {
if (max_length<i)
return false;
else
max_length = Math.max(max_length,nums[i]+i);
if (max_length>=nums.length-1)
return true;
}
return max_length>=nums.length-1;
}
这种就只用了一个空间来记录最大长度,jio得还可以~
-
2、跳跃游戏 II https://leetcode-cn.com/problems/jump-game-ii/
给定一个非负整数数组,你最初位于数组的第一个位置。
数组中的每个元素代表你在该位置可以跳跃的最大长度。
你的目标是使用最少的跳跃次数到达数组的最后一个位置。
示例:
输入: [2,3,1,1,4]
输出: 2
解释: 跳到最后一个位置的最小跳跃数是 2。
从下标为 0 跳到下标为 1 的位置,跳 1 步,然后跳 3 步到达数组的最后一个位置。
嗯,其实这道题如果用贪心会更加的好,但是为了dp而dp一把,呜~
public int jump2(int[] nums) {
//假设到达位置i所需要的步数
int[] dp = new int[nums.length];
dp[0]= 0;
int cur_max_length = 0;
int next_max_length = nums[0];
for (int i = 1; i <nums.length; i++) {
if (i<=cur_max_length){
dp[i] = dp[i-1];
next_max_length = Math.max(next_max_length,nums[i]+i);
}else {
if (next_max_length>=i){
cur_max_length = next_max_length;
dp[i]=dp[i-1]+1;
next_max_length = Math.max(next_max_length,nums[i]+i);
}else {
return -1;
}
}
}
return dp[nums.length-1];
}
嗯,这道题,如果用贪心的话,可以这样:
public int jump(int[] nums) {
int length = nums.length;
int cur_max_length = 0;
int next_max_length = nums[0];
int res =0;
for (int i = 1; i < length; i++) {
if (i>cur_max_length){
res++;
cur_max_length = next_max_length;
}
next_max_length = Math.max(next_max_length,nums[i]+i);
}
return res;
}
-
4、不同路径 https://leetcode-cn.com/problems/unique-paths/
一个机器人位于一个 m x n 网格的左上角 (起始点在下图中标记为“Start” )。
机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角(在下图中标记为“Finish”)。
问总共有多少条不同的路径?
例如,上图是一个7 x 3 的网格。有多少可能的路径?
说明:m 和 n 的值均不超过 100。
示例 1:
输入: m = 3, n = 2
输出: 3
解释:
从左上角开始,总共有 3 条路径可以到达右下角。- 向右 -> 向右 -> 向下
- 向右 -> 向下 -> 向右
- 向下 -> 向右 -> 向右
示例 2:
输入: m = 7, n = 3
输出: 28
这个题目,嗯,我们可以用一个二维的dp数组来求解,上代码:
public int uniquePaths(int m, int n) {
//创建一个m*n的数组矩阵来存储
int [][] result = new int[m+1][n+1];
for (int i = 1; i < m+1; i++) {
result[i][1]=1;
}
for (int i = 1; i < n+1; i++) {
result[1][i]=1;
}
for (int i = 2; i <m+1 ; i++) {
for (int j = 1; j <n+1; j++) {
result[i][j] = result[i-1][j]+result[i][j-1];
}
}
return result[m][n];
}
- 5、 不同路径 II https://leetcode-cn.com/problems/unique-paths-ii/
现在考虑网格中有障碍物。那么从左上角到右下角将会有多少条不同的路径?
网格中的障碍物和空位置分别用 1 和 0 来表示。
说明:m 和 n 的值均不超过 100。
示例 1:
输入:
[
[0,0,0],
[0,1,0],
[0,0,0]
]
输出: 2
解释:
3x3 网格的正中间有一个障碍物。
从左上角到右下角一共有 2 条不同的路径:
- 向右 -> 向右 -> 向下 -> 向下
- 向下 -> 向下 -> 向右 -> 向右
public int uniquePathsWithObstacles(int[][] obstacleGrid) {
int height = obstacleGrid.length;
int width =obstacleGrid[0].length;
int[][] result = new int[height+1][width+1];
boolean flag = true;
for (int i = 1; i < height+1; i++) {
if (obstacleGrid[i-1][0]==1){
flag=false;
}
result[i][1]=flag?1:0;
}
flag = true;
for (int i = 1; i < width+1; i++) {
if (obstacleGrid[0][i-1]==1){
flag=false;
}
result[1][i]=flag?1:0;
}
for (int i = 2; i < height+1; i++) {
for (int j = 2; j < width+1; j++) {
if (obstacleGrid[i-1][j-1]==1){
result[i][j]=0;
}else {
result[i][j]=result[i-1][j]+result[i][j-1];
}
}
}
return result[height][width];
}
基本上差不多的~
-
6、 编辑距离 https://leetcode-cn.com/problems/edit-distance/
给定两个单词 word1 和 word2,计算出将 word1 转换成 word2 所使用的最少操作数 。
你可以对一个单词进行如下三种操作:
插入一个字符
删除一个字符
替换一个字符
示例 1:输入: word1 = “horse”, word2 = “ros”
输出: 3
解释:
horse -> rorse (将 ‘h’ 替换为 ‘r’)
rorse -> rose (删除 ‘r’)
rose -> ros (删除 ‘e’)
示例 2:输入: word1 = “intention”, word2 = “execution”
输出: 5
解释:
intention -> inention (删除 ‘t’)
inention -> enention (将 ‘i’ 替换为 ‘e’)
enention -> exention (将 ‘n’ 替换为 ‘x’)
exention -> exection (将 ‘n’ 替换为 ‘c’)
exection -> execution (插入 ‘u’)
这道题比之前的题目会绕一点,就是得想到用二维数组dp[length1][length2]来表示
public int minDistance(String word1, String word2) {
int length1 = word1.length();
int length2 = word2.length();
int[][] result = new int[length1+1][length2+1];
result[0][0] = 0;
for (int i = 1; i <length1+1;i++) {
result[i][0] = result[i-1][0]+1;
}
for (int i = 1; i <length2+1; i++) {
result[0][i] = result[0][i-1]+1;
}
for (int i = 1; i < length1+1 ; i++) {
for (int j = 1; j < length2+1; j++) {
int distance1 = result[i-1][j-1]+(word1.charAt(i-1)==word2.charAt(j-1)?0:1);
int distance2 = result[i-1][j]+1;
int distance3 = result[i][j-1]+1;
result[i][j] = Math.min(Math.min(distance1,distance2),distance3);
}
}
return result[length1][length2];
}
-
7、交错字符串 https://leetcode-cn.com/problems/interleaving-string/
给定三个字符串 s1, s2, s3, 验证 s3 是否是由 s1 和 s2 交错组成的。
示例 1:
输入: s1 = “aabcc”, s2 = “dbbca”, s3 = “aadbbcbcac”
输出: true
示例 2:输入: s1 = “aabcc”, s2 = “dbbca”, s3 = “aadbbbaccc”
输出: false
这里我们也可以利用一个二维的dp[s1.length][s2.length]来进行记录:
public boolean isInterleave(String s1, String s2, String s3) {
int length1 = s1.length();
int length2 = s2.length();
int length3 = s3.length();
if (length1+length2!=length3)
return false;
boolean[][] dp = new boolean[length1+1][length2+1];
dp[0][0] = true;
for (int i = 1; i <=length1; i++) {
dp[i][0] = dp[i-1][0]&&(s1.charAt(i-1)==s3.charAt(i-1));
}
for (int i = 1; i <=length2; i++) {
dp[0][i] = dp[0][i-1]&&(s2.charAt(i-1)==s3.charAt(i-1));
}
for (int i = 1; i <=length1; i++) {
for (int j = 1; j <= length2; j++) {
boolean down = dp[i][j-1]&&(s2.charAt(j-1)==s3.charAt(i+j-1));
boolean right = dp[i-1][j]&& (s1.charAt(i-1)==s3.charAt(i+j-1));
dp[i][j] = down || right;
}
}
return dp[length1][length2];
}
这种方法也有点像是走迷宫一样,是不是越说越神似勒!~哈哈哈哈,还好玩不
其实,动态规划的内容还有些,但是我要回家了,找时间再补补吧~